图像分割是图像分析过程中的一个重要步骤,其目标是将图像中感兴趣的区域划分出来。在众多的图像分割方法中,阈值分割技术是图像分割中使用较广的一类方法,其基本原理是基于图像灰度直方图计算分割阈值,然后按阈值对图像进行分割。OTSU法是阈值分割中的一种常用算法,通过实现类间方差最大化来进行阈值选取,该方法具有原理通俗易懂、分割效果可观、算法稳定等特征。但是,一维OTSU法不能处理更加复杂的图像,在分割背景与目标区域像素点的灰度差值过小的图像时,会出现误分割的情况。因此,大量学者引入了灰度邻域均值以及灰度邻域中值,将其推广到了二维和三维。这样可提高分割复杂图像的准确率。但阈值数量的增加使得算法循环迭代的次数增加,从而导致算法运算量庞大,运行效率显著下降的现象。本文从运算复杂度和分割精度两个方面着手,对二维、三维OTSU法进行分析研究,针对算法计算量大、实时性差等问题,提出了改进方法,克服了运算效率低、寻优速度慢的缺陷。并通过实验验证了改进的方法具有分割效果良好、计算效率显著升高的特点。具体工作包括:(1)改进狼群算法优化的二维OTSU法。原始二维OTSU算法阈值选取普遍依赖于穷尽搜索方式,计算量繁多冗余、实时性较差,影响图像分割效率。为了解决上述问题,将狼群算法引入二维OTSU算法中,提出了改进狼群算法优化的二维OTSU图像分割技术。另一方面,为了更好的让狼群之间进行互动,把粒子群算法应用到到狼群算法中,对原始游走和召唤行为引入粒子速度更新机制,实现互动召唤和互动游走策略,这样就保证了寻找阈值的全面性。为解决改进算法收敛速度慢的问题,将自适应计策引入围攻行为中。改进的算法可大幅度的提升分割准确率,并提高分割速率。(2)改进狼群算法优化的三维OTSU法。三维OTSU法除了像素点灰度值以外,引入灰度平均值以及灰度中值两个阈值。由于OTSU法采用穷尽搜索策略,因此三维OTSU法的计算需要三重循环,这导致算法计算量十分庞大。为此,将狼群算法引入其中,狼群通过游走、召唤、围攻这三种智能行为的不断迭代以及狼群间的信息交互来获取最佳阈值。这样可加快搜索速度且减少运算时间。为了避免改进的算法陷入局部最优,在狼群进行围攻行为后引入混沌优化法,对算法所得次优解进行混沌优化搜索。混沌优化法是把算法计算过程映射为混沌轨迹的搜索过程,具有避免算法陷入局部极值的优点。混沌优化技术与狼群算法的融合,使得计算到的阈值更具有全局性。